【爬虫案例】用Python爬取抖音热榜数据！

死灵

目录

• 一、爬取目标
  
• 二、编写爬虫代码
  
• 三、同步讲解视频
  
  
  
  • 3.1 代码演示视频
    
  
  
• 四、获取完整源码
  

一、爬取目标

您好，我是@马哥python说，一名10年程序猿。
本次爬取的目标是：抖音热榜

共爬取到50条数据，对应TOP50热榜。含5个字段，分别是：

热榜排名,热榜标题,热榜时间,热度值,热榜标签。

用Chrome浏览器，右键打开开发者模式，选择：网络->XHR这个选项，重新刷新一下页面。
操作过程，如下图所示：

成功找到了50条热榜数据。
下面，开始编码爬虫代码。
二、编写爬虫代码

首先，导入需要用到的库：

1. import requests
2. import pandas as pd
3. import time

复制代码

定义一个请求地址，即上图中的目标链接地址：

1. # 接口地址
2. url = 'https://www.douyin.com/aweme/v1/web/hot/search/list/?device_platform=webapp&aid=6383&channel=channel_pc_web&detail_list=1&source=6&pc_client_type=1&version_code=170400&version_name=17.4.0&cookie_enabled=true&screen_width=1440&screen_height=900&browser_language=en-US&browser_platform=MacIntel&browser_name=Chrome&browser_version=114.0.0.0&browser_online=true&engine_name=Blink&engine_version=114.0.0.0&os_name=Mac+OS&os_version=10.15.7&cpu_core_num=4&device_memory=8&platform=PC&downlink=1.5&effective_type=3g&round_trip_time=600&webid=7246602757481154103&msToken=A-dVF1R3L6t6yeYNVsnPA7YMBkohetjMSING0Q3C3UGXBq7B_lhuJVv6N1hF8Yum9qxQMMVa_GiSsER1Yf595bF5Q_O3-JY1hQ8s-ZPB21PCVYL5C7PEjQiPAMGtGg==&X-Bogus=DFSzswVOXn0ANcrmtjl2YN7TlqSE'

复制代码

定义一个请求头，从开发者模式中的Headers->Request Headers中复制下来：

1. # 构造请求头
2. h1 = {
3.     'Cookie': '换成自己的cookie值',
4.     'Accept': 'application/json, text/plain, */*',
5.     'Accept-Encoding': 'gzip, deflate, br',
6.     'Host': 'www.douyin.com',
7.     'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/15.4 Safari/605.1.15',
8.     'Accept-Language': 'zh-CN,zh-Hans;q=0.9',
9.     'Referer': 'https://www.douyin.com/hot',
10.     'Connection': 'keep-alive'
11. }

复制代码

不知如何获取Cookie？参考下图：

向目标地址发送请求（带上请求头），并用json格式接收返回数据：

1. # 发送请求
2. r = requests.get(url, headers=h1)
3. # 用json接收请求数据
4. json_data = r.json()

复制代码

定义一些空列表，用于存储数据：

1. position_list = []  # 热榜排名
2. title_list = []  # 热榜标题
3. time_list = []  # 热榜时间
4. hot_value_list = []  # 热度值
5. label_list = []  # 热榜标签

复制代码

以“热榜标题”为例，解析数据：

1. for data in data_list:
2.     # 热榜标题
3.     title = data['word']
4.     print('热榜标题：', position, title)
5.     title_list.append(title)

复制代码

其他字段同理，不再赘述。
最后，把解析到的数据，存储到Dataframe中，并保存到csv文件里：

1. # 拼装爬取到的数据为DataFrame
2. df = pd.DataFrame(
3.     {
4.         '热榜排名': position_list,
5.         '热榜标题': title_list,
6.         '热榜时间': time_list,
7.         '热度值': hot_value_list,
8.         '热榜标签': label_list,
9.     }
10. )
11. # 保存结果到csv文件
12. df.to_csv('抖音热榜.csv', index=False, encoding='utf_8_sig')

复制代码

这里需要注意的是，to_csv要加上encoding='utf_8_sig'参数，防止保存到csv文件产生乱码数据。
查看部分爬取结果：

共51条数据（含1条置顶热搜），对应热榜TOP50排名。
每条数据含5个字段：热榜排名,热榜标题,热榜时间,热度值,热榜标签。。
三、同步讲解视频

3.1 代码演示视频

代码演示:
四、获取完整源码

get完整源码：【爬虫案例】用Python爬取抖音热榜数据！
我是@马哥python说 ，持续分享python源码干货中！

来源:https://www.cnblogs.com/mashukui/p/douyin_hot.html
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！